手机信令大数据实现疫情科学防控

与2003年SARS相比,我们的科技水平已经有了较大的提高,提高科技手段的运用,特别是手机信令的优势,完全可以通过数据的搜集和采纳,有针对性地解决防控疫情问题。

从技术上角度上说,利用手机定位完全可以对一个地区甚至更大空间范围内的人口流动,进行详细地数据搜集。近些年一些城市在举办大型活动、人口调查,旅游人口,传染病传播流向与的分析上,都采用了手机信令的数据搜集和整理,为提高大型活动的安全治理,人口空间的分布情况以及重点区域的管理都提供了重要的科学和数据保障

本方案基于信令数据,输出了包括疫情溯源,流动人员的疫情态势感知,疫情态势研判与推演,疫情防控部署等分析,助力相关部门实现精确防疫。

疫情溯源

华南海鲜批发市场被认为与疫情的新型冠状病毒的初期感染有关,我们基于信令数据,对华南海鲜市场周边的支付数据做挖掘,一方面找出患者与华南海鲜批发市场支付行为的潜在联系;同时,通过探索在华南海鲜市场的交易时间&频次&人次,每小时迁入迁出情况;找出潜在的华南海鲜批发市场的商业群体。

如图所示为华南海鲜批发市场附近十二月某一周支付频次与支付人次的极坐标图,颜色越深标识支付行为频度&人次越高(待补充);

Alt text

如图所示为华南海鲜批发市场十二月每小时人员驻留行为变动情况(待补充)

同时通过对信令数据分析与挖掘并结合卫健委的公开数据,我们发现早期患者与在华南海鲜市场的支付行为,驻留行为存在一定的相关性。

疫情态势研判与推演

位置相似度计算

信令中的位置点常包含多类别的信息, 如地理位置,POI信息等, 我们通过对武汉市手机用户途径基站的时间序列数据, 以及每个基站的地理坐标信息脱敏,形成轨迹编码;同时原数据中的时间带有时分秒等信息, 为了保证每个位置具有较高的出现频率, 将时间信息聚合至每个小时整点。格式如下:

{ }

其中w为脱敏的用户标识,s为位置信息,t为每个小时点。使用 Word2Vec 模型进行训练, 得到每条位置点的向量化标识与相似度,如图所示。

Alt text

本方案采用cosine距离来计算基站与基站,轨迹与轨迹的相似度,如下所示(改为相关图展示图):

将上述坐标点选的相似度取top5相连接,并投射至武汉地图平面,如下所示:

Alt text

24小时内的时间推演 (待补充)

武汉市与跨地市的空间推演 (待补充)

流动人员的疫情态势感知(待补充)

流动人员的疫情态势感知(待补充)